具有附加对象的2D医学图像数据的自动分析的制作方法

具有附加对象的2d医学图像数据的自动分析
技术领域
1.本发明涉及用于自动分析包括附加对象的2d医学图像数据的方法。本发明还涉及分析装置。此外，本发明涉及医学成像系统。

背景技术：

2.外部装置的放置和插入在临床实践中经常用于生命支持目的以及患者监测。例如，气管导管通常用于通气，而静脉导管通常被插入以用于药物或压力监测。使用外部装置分析二维医学图像的一个主要挑战是将体外的对象和插入的对象投影到一个图像平面中，这会将来自外部装置的密度叠加在内部组织结构上。这种效应通过覆盖医疗设备使重要发现模糊不清而使图像解释变得复杂。
3.在假设足够大的训练数据集可用于图像分析应用本质上学习区分体外对象和插入的装置的目的的情况下，使用深度学习以检测和标识设备可能是可行的。突出示例是研究人员在以下文献中探讨的中心静脉导管的位置评估：subramanian等人，“automated detection and type classification of central venus catheters in chest x-rays”，https://arxiv.org/abs/1907.01656；以及hansen等人，“radiographic assessment of cvc malpositioning:how can ai best support clinicians？”，https://openreview/pdf？id＝imcp8kkqtfz。
4.然而，这种策略自动导致需要利用大的训练数据集来捕获由体外装置产生的任何类型的变量，这在例如高的内在图像多样性的重症监护室情况下似乎特别有挑战性。
5.改进图像分析应用的第二可能性是分割任何类型的外部对象和插入的对象。例如，以下文献中的作者也通过同时对其他插入的装置和体外装置进行分割和分类来标识外周插入的中心导管的尖端位置：lee等人，“a deep-learning system for fully-automated peripherally inserted central catheter(picc)tip detection”，https://dx.doi.org/10.1007/s10278-017-0025-z。当然，这是以非常高的注释复杂性为代价。
6.在不使用大的训练数据集和注释工作的情况下考虑各种体外装置的另外的可能性是人工地创建合成案例。在以下文献中描述了这样的方法：yi等人，“automatic catheter and tube detection in pediatric x-ray images using a scale-recurrent network and synthetic data”，https://arxiv.org/pdf/1806.00921.pdf。这种方法的风险是由于概念漂移导致的训练条件与测试条件之间的潜在不匹配。
7.因此，存在在分析来自包括体外装置和体内装置的检查对象的医学图像数据时实现高质量的问题。

技术实现要素：

8.前述问题通过根据本发明的技术方案所述的用于自动分析包括附加对象的2d医学图像数据的方法、通过根据本发明的技术方案所述的分析装置以及通过根据本发明的技术方案所述的医学成像系统来解决。
9.根据用于自动分析包括附加对象的2d医学图像数据的方法，从患者的检查部分(也称为感兴趣区)获取2d医学图像数据。
10.通常，附加对象被定义为如下对象，该对象旨在被区分，但是仅仅基于获取的2d医学图像数据的信息，不能将该对象与位于2d医学图像数据中该附加对象的位置的相同位置处或靠近该附加对象的位置的患者身体的一部分或患者身体的其他部分进行区分或很难进行区分。例如，附加对象包括异物，该异物通常不是健康的人的身体的一部分或者该异物包括与健康的人的组织不同的材料。
11.在这种情况下，必须明确指出，表述“附加对象”也包括多于一个的附加对象的情况。特别地，表述“附加对象”包括各种外部对象，即位于患者身体外部的对象。例如，在典型情况下，患者的身体上可能存在多个外部对象。这样的外部对象可以包括导管端口、ecg装置(ecg＝心电图)、电缆、气管导管或软管等。患者可以是人或动物。医学图像可以包括例如x射线图像，也可以包括ct图像或mr图像的2d投影。
12.然而，也使用不同的模态从检查部分获取附加图像数据。不同的模态包括不同的技术类型，因此通过不同的模态获取的图像信息与医学图像数据的图像信息不同。例如，与用于获取2d医学图像数据的模态相比，用于获取附加图像数据的不同模态使用不同的物理原理。由于不同的模态，可以从附加图像数据提取的关于附加对象的信息可以不同于来自2d医学图像数据的关于附加对象的信息。附加图像数据也可以包括2d图像数据，但附加图像数据不限于此。例如，附加图像数据还可以包括由3d图像获取单元获取的3d图像数据。
13.优选地，2d医学图像数据包括关于人体内部的信息，并且不同模态的附加图像信息包括关于人体外侧的信息。然而，本发明不限于优选的变型。如稍后所讨论的，不同的模态也可以包括获取技术，该获取技术示出了用于标识和定位肿瘤的人体内部的代谢的强度。在这种情况下，“附加对象”包括必须与患者体内的骨骼或其他部分区分开的肿瘤。
14.此外，基于获取的2d医学图像数据和获取的附加图像数据来执行适用于附加对象的自动图像分析。如稍后所讨论的，分析的结果可以包括对2d医学图像数据和/或附加图像数据中的附加对象(优选地，外部对象)的标识或定位。还如稍后所讨论的，来自两个模态的信息可以单独用于后续的分析子步骤，或者可以以联合的方式用于单个分析步骤。分析的结果还可以包括可以用于评估或诊断的检查部分的分割、注释或信息。
15.有利地，包括关于检查部分的信息以及特别地关于附加对象的附加信息的附加数据源用于改进医学图像分析应用。特别地，可以基于附加图像信息来实现对位于2d医学图像中的相同位置处或相似位置处的对象的标识和区分。如稍后详细说明的，这样的医学图像分析应用可以包括适用于附加对象的标识、定位和扩展的用于检查过程和自动后处理算法的改进的应用。
16.根据本发明的分析装置包括用于从患者的检查部分获取2d医学图像数据的第一输入接口。
17.检查部分包括附加对象，该附加对象旨在被区分，但是仅仅基于获取的2d医学图像数据的信息，不能将该附加对象与位于2d医学图像数据中该附加对象的位置的相同位置处或靠近该附加对象的位置的患者身体的一部分或患者身体的其他部分进行区分或很难进行区分。
18.如上所述，可以从多个不同类型的医学成像系统如x射线成像系统、ct系统或mr系
统提供所获取的2d医学图像数据。分析装置还包括第二输入接口，该第二输入接口用于使用不同的模态从检查部分获取附加图像数据。还如以上所述，不同的模态优选地包括但不限于用于获取人体外侧的图像数据的技术手段。此外，分析装置还包括分析单元，该分析单元用于基于获取的2d医学图像数据和获取的附加图像数据来执行适用于附加对象的自动图像分析。该分析装置共享用于自动分析2d医学图像数据的方法的优点。
19.根据本发明的医学成像系统(优选地x射线成像系统)包括根据本发明的用于从患者的检查部分获取测量数据的扫描单元、用于基于获取的测量数据来重构图像数据并生成2d医学图像数据的重构单元以及分析装置。此外，医学成像系统包括用于从检查部分获取图像数据的附加模态，其中，该附加模态在技术上不同于医学成像系统的主要模态。医学成像系统共享根据本发明的分析装置的优点。
20.可以以软件组件的形式来设计根据本发明的分析装置的基本部件中的大部分。这特别适用于分析单元，但也适用于输入接口的一部分。然而，原则上，尤其是当涉及特别快的计算时，这些部件中的一些部件也可以以软件支持的硬件的形式(例如fpga等)来实现。同样，所需的接口——例如，如果只是从其他软件组件传输数据的问题——可以被设计为软件接口。然而，所需的接口也可以被设计为由合适的软件控制的基于硬件的接口。此外，上述部件中的一些部分可以被分布并存储在本地网络或区域网络或全局网络或网络和软件的组合(特别是云系统)中。
21.很大程度上基于软件的实现方式具有以下优点：已经使用的医学成像系统可以通过软件更新容易地被改装，以便以根据本发明的方式工作。在这方面，该目的还通过具有计算机程序的相应计算机程序产品来实现，该计算机程序可以直接被加载到例如医学成像系统的存储器装置中，该计算机程序具有程序段，以便在医学成像系统中执行该程序时执行根据本发明的方法的所有步骤。除了计算机程序之外，这样的计算机程序产品还可以包含附加组件(诸如文档和/或附加组件)，该附加组件包括用于使用软件的硬件部件，诸如硬件密钥(加密狗等)。
22.为了传输到医学成像系统以及/或者为了存储在医学成像系统上或医学成像系统中，使用计算机可读介质，例如记忆棒、硬盘或一些其他可传输的或永久安装的数据载体，在计算机可读介质上存储可以由医学成像系统的计算机单元读入和执行的计算机程序的程序段。计算机单元可以包括例如用于该目的的一个或更多个协作微处理器等。
23.从属权利要求和以下描述各自包含本发明的特别有利的实施方式和发展。特别地，一个权利要求类别中的权利要求也可以类似于另一权利要求类别中的从属权利要求进一步发展。此外，在本发明的范围内，不同示例性实施方式和权利要求的各种特征也可以被组合以形成新的示例性实施方式。
24.在根据本发明的用于自动分析包括外部对象的2d医学图像数据的方法的变型中，基于人工智能执行分析。优选地，人工智能包括用于评估2d医学图像数据的基于深度学习的分析方法。通过使用来自附加图像数据的附加信息，可以显著减少用于训练基于人工智能的分析的训练工作和训练数据量。
25.优选地，基于第一分析的结果，自动图像分析包括附加图像数据的单独的第一分析和2d医学图像数据的单独的第二分析。在该优选变型中，分析被构造为顺序过程，其中首先，分析附加图像数据并且将第一分析的结果用于实际2d医学图像数据的第二分析。与包
含全面的分析相比，顺序方法能够监测分析过程的中间结果，这提高了分析的透明度和验证能力。此外，该变型利用附加图像数据中外部对象的较好可见性的可能性来改善基于2d医学图像数据的后续医学图像分析应用。此外，可以基于附加图像数据的预分析来减少专用图像分析应用的训练数据基础的范围。此外，可以基于对附加图像数据的分析将2d图像数据划分成不同的子区域，然后在第二分析中使用不同的分析应用对这些子区域进行分析。
26.在用于使用顺序分析过程自动分析包括外部对象的2d医学图像数据的方法的变型中，第一分析包括标识和/或定位附加图像数据中的外部对象的步骤。有利地，附加图像数据中的外部对象的标识和定位可以用于选择性地调整第二分析，该第二分析被应用于医学图像数据本身。
27.在根据本发明的用于自动分析包括外部对象的2d医学图像数据的方法的变型中，附加图像数据包括外部图像数据。这意味着外部图像数据提供关于要被检查的患者的外侧的信息。优选地，使用光学图像获取装置——尤其优选的是相机——来获取外部图像数据。有利地，外部图像数据是互补的并且完善了关于要被检查的患者的内部的信息。此外，使用相机利用了体外对象在相机记录上的可见性来改善医学图像分析应用。此外，有利地，可以在包括作为基本装备的相机的未来产品版本(例如移动x射线成像系统)中实现本发明而无需额外的硬件努力。
28.在根据本发明的用于自动分析包括外部对象的2d医学图像数据的方法的变型中，第一分析包括从外部图像数据提取外部对象的类型和/或位置的信息的步骤。
29.然后，标识外部对象的类型以及/或者对外部图像数据中的外部对象进行定位。
30.基于前面的标识和/或定位，选择专用医学图像分析应用以标识和/或定位医学图像数据中的外部对象。
31.此外，第二分析包括基于医学图像分析应用来标识和/或定位医学图像数据中的外部对象的步骤。有利地，可以基于第一分析来调整第二分析步骤，这减少了训练用于第二分析的医学图像分析应用的工作。
32.在根据本发明的用于自动分析包括外部对象的2d医学图像数据的方法的另一变型中，提取步骤包括检测外部图像数据中的外部对象的路线。此外，选择专用医学图像分析应用的步骤包括调整专注于被检测的路线的分析应用。有利地，可以定义必须抑制由于外部对象导致的伪象的区域。
33.该调整可以包括通过以下步骤中的至少一个来考虑外部对象的路线：
[0034]-通过以下操作考虑外部对象的路线：
[0035]-抑制交叠的外部对象的医学图像区域，以及/或者
[0036]-对分割结果或热图回归结果进行加权，以避免由模仿者造成的混淆，以及/或者
[0037]-分别处理具有交叠的外部对象的医学图像子区域。例如，在通过石膏模型捕获的区域中寻断骨。
[0038]
我们可以使用分割结果或热图结果来选择性地抑制可能与内部插入的对象混淆的外部对象的检测结果。例如，线检测器算法可能会将外部的ecg线与内部的cvc线(cvc＝中心静脉导管)混淆。具有这种附加模态(即例如相机)，我们可以检测该ecg线并抑制该ecg线以避免错误检测。模仿者是看起来与感兴趣的对象相似的对象或放射性标志。
[0039]
可以通过以下两个不同的分析应用来实现分别处理具有交叠的外部对象的医学图像子区域：在具有交叠的对象的图像子区域上训练的一个分析应用以及在不具有交叠的对象的图像子区域上训练的一个分析应用。
[0040]
有利地，调整的图像分析应用可以被限制到检查部分的有限子部分，这有助于减少使用调整的图像分析应用的工作。
[0041]
在根据本发明的用于自动分析包括外部对象的2d医学图像数据的方法的另一变型中，第一分析包括部分体外装置的插入点和/或类型的检测。例如，基础图像分析应用仅专注于分割人体内部的线/管路线和尖端，而不考虑患者体外的线/管路线。该附加信息可以用于调整图像分析应用，使得部分体外装置的体外部分也用于图像分析。
[0042]
在根据本发明的用于自动分析包括外部对象的2d医学图像数据的方法的另一变型中，部分体外装置包括端口导管，该端口导管具有包含图案的覆盖，该图案从尖端到端口装置轻微地变化，并且第一分析包括以下中的至少一项：
[0043]-基于覆盖图案标识导管的类型，
[0044]-基于覆盖图案定位端口导管的插入位置，
[0045]-基于覆盖图案估计插入深度。
[0046]
在根据本发明的用于自动分析包括附加对象的2d医学图像数据的方法的变型中，基于两种不同的数据源(即附加图像数据和2d医学图像数据)的组合将该分析执行为多模型的基于人工智能的分析。有利地，实现了端到端学习方法，即仅需要训练单独一个模型以用于分析2d医学图像数据和附加图像数据。深度神经网络通常被用作分析单元，所述分析单元用于处理多模型方法中的各种类型的信息。
[0047]
附加图像数据还可以包括来自患者的pet图像，该pet图像用于分析检查区域中的代谢。例如，在2d医学图像数据中，在锁骨的一部分中检测到可能由锁骨断裂或肿瘤造成的类似病变的对象。由于肿瘤排放代谢产物，因此附加pet图像可以用于正确地分析2d医学图像数据。这意味着：如果类似病变的对象排放代谢产物，则证明2d图像数据包括肿瘤。如果类似病变的对象不排放任何代谢产物，则类似病变的对象可能由锁骨断裂造成。
附图说明
[0048]
下面参照附图再次说明本发明。在不同的附图中，相同的部件被提供有相同的附图标记。附图通常不按比例绘制。
[0049]
图1示出了根据本发明的实施方式的x射线成像系统；
[0050]
图2示出了说明根据本发明的实施方式的用于自动分析包括外部对象的2d医学图像数据的方法的流程图；
[0051]
图3示出了说明根据本发明的第二实施方式的用于自动分析包括外部对象的2d医学图像数据的方法的流程图；
[0052]
图4示出了关于根据本发明的实施方式的分析装置的示意图；
[0053]
图5示出了关于根据本发明的第二实施方式的分析装置的示意图；
[0054]
图6示出了说明根据本发明的第三实施方式的用于自动分析包括外部对象的2d医学图像数据的方法的流程图；
[0055]
图7示出了说明根据本发明的第四实施方式的用于自动分析包括外部对象的2d医
学图像数据的方法的流程图。
具体实施方式
[0056]
图1示出了x射线成像系统1，该x射线成像系统1包括图4中详细示出的分析装置40。x射线成像系统1主要由常规扫描单元2组成，该常规扫描单元2包括x射线检测器2a和与x射线检测器2a相对的x射线源2b。此外，存在患者台3，其上具有患者p的患者台3的上部分可以被移动至扫描单元2，以便将患者p定位在x射线检测器2a的下方。将外部对象eo(例如ecg-系统)放置在患者p上。扫描单元2和患者台3由控制装置4控制，获取控制信号(图1中未示出)来自控制装置4以用于控制成像过程，并且控制装置4接收来自x射线检测器2a的测量数据md。控制装置4还包括重构单元4a，该重构单元4a用于基于接收的测量数据md来重构2d医学图像数据mid。
[0057]
此外，x射线成像系统1还包括相机c，该相机c从患者p获取外部图像数据eid并且将这些附加外部图像数据eid传输至控制装置4。控制装置4还包括根据本发明的上面提到的分析装置40，该分析装置40用于基于2d医学图像数据mid和外部图像数据eid进行评估。
[0058]
分析装置40的部件可以主要地或完全地以软件组件的形式在合适的处理器上来实现。特别地，这些部件之间的接口也可以纯粹根据软件来设计。所需要的只是对合适的存储区域有访问选项，可以在该合适的存储区域中临时存储数据以及随时调用和更新数据。
[0059]
图2示出了说明根据本发明的实施方式的用于自动分析包括外部对象的2d医学图像数据mid的方法的流程图。
[0060]
在步骤2.i中，2d医学图像数据mid由如图1中所描绘的x射线成像系统1从患者p的检查部分roi获取。
[0061]
在步骤2.ii中，使用相机c从患者p的检查部分roi获取外部图像数据eid。
[0062]
在步骤2.iii中，基于附加外部图像数据eid和2d医学图像数据mid的分析来标识和定位外部对象eo。基于ai(ai＝人工智能)并且使用来自外部图像数据eid的附加信息来执行2d医学图像数据mid的分割。
[0063]
在图3中，示出了流程图300，该流程图300示出了根据本发明的第二实施方式的用于自动分析包括外部对象eo的2d医学图像数据mid的方法。
[0064]
在步骤3.i中，使用相机c从患者p的检查部分roi获取外部图像数据eid。
[0065]
在步骤3.ii中，2d医学图像数据mid由如图1中所描绘的x射线成像系统1从患者p的检查部分roi获取。
[0066]
在步骤3.iii中，从获取的外部图像数据eid中获取关于外部对象eo的类型t和位置pos的信息，以及标识外部对象eo的类型t并且定位外部图像数据eid中的外部对象eo。
[0067]
在步骤3.iv中，基于先前的标识和定位来选择专用医学图像分析应用miaa。例如，如果石膏模型已经被标识为外部对象，则选择与用于没有石膏模型的案例的医学图像分析应用不同的专用医学图像分析应用。
[0068]
在步骤3.v中，将选择的医学分析应用miaa应用于2d医学图像数据mid，以对2d医学图像数据mid进行分割并对感兴趣区域roi进行基于ai的注释和分析。
[0069]
在图4中，示出了关于根据本发明的第一实施方式的分析装置40的示意图。分析装置40包括第一输入接口单元41，该第一输入接口单元41用于接收检查对象eo的2d医学图像
数据mid，例如患者的胸部区域的x射线图像数据。分析装置40还包括第二输入接口单元42，该第二输入接口单元42用于接收由相机获取并且从患者的胸部区域获取的附加外部图像数据eid。分析装置40还包括分析单元43，该分析单元43用于基于附加外部图像数据eid和医学图像数据mid的分析来标识和/或定位外部对象eo。
[0070]
在图5中，示出了关于根据第二实施方式的分析装置50的示意图。
[0071]
与第一实施方式类似，分析装置50包括输入接口单元41，该输入接口单元41用于接收检查对象eo的2d医学图像数据mid，例如患者的胸部区域的ct图像数据。分析装置50还包括第二输入接口单元42，该第二输入接口单元42用于接收来自相机并且从患者的胸部区域获取的附加外部图像数据eid。
[0072]
与第一实施方式相比，根据第二实施方式的分析装置50包括对象检测和定位单元51，该对象检测和定位单元51用于从所获取的外部图像数据eid中获得外部对象eo的类型t和位置pos的信息。
[0073]
此外，分析装置50包括应用选择单元52，该应用选择单元52用于基于对象eo的类型t和位置pos的先前标识来选择专用医学图像分析应用miaa。
[0074]
此外，分析装置50包括分析单元53，该分析单元53用于对获取的医学图像数据mid应用选择的应用miaa并且发出一些结果(如片段、注释等)。
[0075]
在图6中，示出了流程图600，该流程图600示出了根据本发明的第三实施方式的用于自动分析包括外部对象eo的2d医学图像数据的方法。
[0076]
在步骤6.i中，使用相机c从患者p的检查部分roi获取外部图像数据eid。
[0077]
在步骤6.ii中，2d医学图像数据mid由如图1中所描绘的x射线成像系统1从患者p的检查部分roi获取。
[0078]
在步骤6.iii中，从获取的外部图像数据eid提取外部对象eo(在该实施方式中是ecg线缆)的类型t和路线cs的信息。
[0079]
在步骤6.iv中，基于先前的标识和定位来选择专用医学图像分析应用miaa。专用医学图像分析应用miaa被修改成使得：在分析中抑制交叠的外部装置的医学图像区域。
[0080]
在步骤6.v中，对2d医学图像数据mid应用经修改的医学分析应用miaa，以对2d医学图像数据mid进行分割以及对检查部分(即感兴趣区域roi)进行基于ai的注释和分析。可替选的方法是对医学图像分析应用的结果进行加权，其中，对分割结果或热图回归结果进行加权，使得避免由模仿者造成的混淆。
[0081]
在图7中，示出了流程图700，该流程图700示出了根据本发明的第四实施方式的用于自动分析包括外部对象eo的2d医学图像数据的方法。
[0082]
在步骤7.i中，使用相机c从患者p的检查部分roi获取外部图像数据eid。
[0083]
在步骤7.ii中，医学图像数据mid由如图1中所描绘的x射线成像系统1从患者p的检查部分roi获取。
[0084]
在步骤7.iii中，从外部图像数据eid提取关于端口导管的覆盖图案pt的信息，该覆盖图案pt从尖端到端口装置轻微地变化。
[0085]
在步骤7.iv中，基于独特的覆盖图案pt来自动标识端口导管的类型t。此外，基于外部图像数据eid并且基于端口导管的也具有专用图案的可见端的确定来定位端口导管的插入位置ip。此外，由于覆盖图案pt随着导管从端口至尖端的长度而轻微地变化，因此基于
插入位置ip处的覆盖图案pt来估计插入深度id。
[0086]
在步骤7.v中，选择专注于分割人体内部的线/管路线和尖端的医学分析应用miaa。在步骤7.iv中，从外部图像数据eid的分析接收关于患者体外的线/管路线的信息。以这种方式，基于2d图像数据mid以及在步骤7.iv中接收的信息来在步骤7.vi中自动地分割并详细地标识从端口至尖端的整个端口导管。可以通过自动的优选地基于ai的分析应用来实现步骤7.iii至步骤7.vi，使得方法可以自动被执行而无需人的任何干预。
[0087]
以上描述仅是本公开内容的优选实施方式，并不旨在限制本公开内容，并且在本公开内容的精神和原则内进行的任何修改、等同替换、改进等应当被包括在本公开内容的保护范围内。
[0088]
此外，不定冠词“一”或“一个”的使用不排除所提及的特征也可以多次出现。同样，术语“单元”或“装置”不排除其由也可以在空间上分布的一些部件组成。

技术特征：

1.一种用于自动分析包括附加对象(eo)的2d医学图像数据(mid)的方法，所述方法包括以下步骤：-使用第一模态(2)从患者(p)的检查部分(roi)获取2d医学图像数据(mid)，-使用不同的模态(c)从所述检查部分(roi)获取附加图像数据(eid)，-基于获取的2d医学图像数据(mid)和获取的附加图像数据(eid)来执行适用于所述附加对象(eo)的自动图像分析。2.根据权利要求1所述的方法，其中，所述附加对象包括外部对象(eo)。3.根据权利要求1或2所述的方法，其中，所述自动图像分析包括：-对所述附加图像数据(eid)进行的单独的第一分析，以及-基于所述第一分析的结果对所述医学图像数据(mid)进行的随后的第二分析。4.根据权利要求3所述的方法，其中，所述第一分析包括标识和/或定位所述附加图像数据(eid)中的附加对象(eo)的步骤。5.根据前述权利要求中任一项所述的方法，其中，所述附加图像数据(eid)包括外部图像数据。6.根据权利要求5结合权利要求2和3所述的方法，其中，-所述第一分析包括：-从所述外部图像数据(eid)提取所述外部对象(eo)的类型和/或位置的信息，-标识所述外部对象(eo)的类型(t)以及/或者定位所述外部图像数据(eid)中的外部对象(eo)，-选择专用医学图像分析应用(miaa)，以用于基于先前的标识和/或定位来标识和/或定位所述医学图像数据(mid)中的外部对象(eo)，以及-所述第二分析包括：-基于所述医学图像分析应用(miaa)来标识和/或定位所述医学图像数据(mid)中的外部对象(eo)。7.根据权利要求6所述的方法，其中，-提取步骤包括：检测所述外部图像数据(eid)中的外部对象(eo)的路线(cs)，以及-选择专用医学图像分析应用(miaa)的步骤包括：调整专注于检测的路线(cs)的分析应用。8.根据权利要求7所述的方法，其中，调整所述分析应用包括通过以下步骤中的至少一个来考虑所述外部对象(eo)的路线(cs)：-抑制交叠的外部对象(eo)的医学图像区域，以及/或者-对分割结果或热图回归结果进行加权，-分别处理具有所述交叠的外部对象(eo)的医学图像子区域。9.根据权利要求3至8中任一项结合权利要求2所述的方法，其中，所述第一分析包括检测部分体外装置的插入位置(ip)和/或类型(t)。10.根据权利要求9所述的方法，其中，-所述部分体外装置包括端口导管，所述端口导管具有包括图案(pt)的覆盖，所述图案(pt)从尖端到端口装置轻微地变化，-所述第一分析包括以下中的至少一项：
‑
基于覆盖图案(pt)来标识所述端口导管的类型(t)，-基于所述覆盖图案(pt)来定位所述端口导管的插入位置(ip)，-基于所述覆盖图案(pt)来估计插入深度(id)。11.根据权利要求1或2所述的方法，其中，基于两种不同数据源即所述附加图像数据(eid)和所述医学图像数据(mid)的组合，将所述分析执行为多模型的基于人工智能的分析。12.一种分析装置(40、50)，包括：-第一输入接口(41)，所述第一输入接口(41)用于从通过第一模态(2)获取的患者(p)的检查部分(roi)获取包括附加对象(eo)的2d医学图像数据(mid)，-第二输入接口(42)，所述第二输入接口(42)用于使用不同的模态(c)从所述检查部分(roi)获取附加图像数据(eid)，-分析单元(43、53)，所述分析单元(43、53)用于基于获取的2d医学图像数据(mid)和获取的附加图像数据(eid)来执行适用于所述附加对象(eo)的自动图像分析。13.一种医学成像系统(1)，包括：-扫描单元(2)，所述扫描单元(2)用于从患者(p)的检查部分(roi)获取测量数据(md)，-重构单元(4a)，所述重构单元(4a)用于基于获取的测量数据(md)来重构图像数据(mid)，-根据权利要求12所述的分析装置(40)，-附加模态(c)，所述附加模态(c)用于从所述检查部分(roi)获取附加图像数据(eid)。14.一种具有计算机程序的计算机程序产品，所述计算机程序能够直接被加载至医学成像系统(1)的存储器装置中，所述计算机程序具有程序段，所述程序段用于当在所述医学成像系统(1)中执行所述计算机程序时执行根据权利要求1至11中任一项所述的方法的所有步骤。15.一种计算机可读介质，所述计算机可读介质上存储有能够由计算机单元读入并由计算机单元执行的程序段，以便当所述程序段由所述计算机单元执行时执行根据权利要求1至11中任一项所述的方法的所有步骤。

技术总结

本发明涉及具有附加对象的2D医学图像数据的自动分析。描述了用于自动分析包括附加对象(EO)的2D医学图像数据(MID)的方法。根据该方法，由第一模态(2)从患者(P)的检查部分(ROI)获取包括附加对象(EO)的医学图像数据(MID)，并且使用不同的模态(C)从检查部分(ROI)获取附加图像数据(AID)。基于获取的医学图像数据(MID)和获取的附加图像数据(EID)来执行适用于附加对象(EO)的自动图像分析。此外，描述了分析装置(40、50)。还描述了医学成像系统(1)。系统(1)。系统(1)。